Agent, Agent Manager, Agency: una guía de campo sobre el nuevo organigrama de la IA

Hoy todo es un Agent, y ese es precisamente el problema

Una publicación de cada dos en X o LinkedIn habla de algún «Agent» que alguien construyó para resolver [inserta aquí tu truco de crecimiento]. Algunos son agents verdaderamente autónomos, otros son en realidad una serie de automatizaciones, y muchos son simples combinaciones de prompts y skills en Claude CoWork. Todo útil, pero da la sensación de que el uso de la palabra «Agent» se ha convertido en una especie de definición comodín.

Por un lado, es porque la tecnología cambia muy rápido. Hace un año, pensábamos que OpenClaw era lo que era un Agent. Hace unos meses, los prompts programados en Claude Work hacían más o menos lo mismo. Por otro, ahora mismo la gente tiene niveles muy distintos de exposición y experiencia con las herramientas de IA. Cada persona tiene realmente una experiencia y una definición diferente de la palabra «Agent».

Se ve aún más claro cuando empiezas a mirar el panorama de productos SaaS.

Abre esta semana tres páginas de producto de IA distintas y encontrarás tres definiciones distintas de «agent».

• Una es un botón que dice «generar x» y que crea un resultado de IA genérico, como un resumen o una lluvia de ideas, la elaboración de un esquema, etc. (Estas son las empresas que ponen una etiqueta «con IA» en su página de inicio, el equivalente en la era de la IA a autodenominarse Boomer.)
• Otra es una «IA (inserta aquí un puesto)» que es una ventana de chat que responde preguntas sobre los datos de tu espacio de trabajo. A veces incluso puede tener la capacidad de escribir o crear cosas en tu espacio de trabajo.
• Otra más es algo que va y hace el trabajo, solo, según un calendario, y avisa cuando termina. Normalmente está conectado a Claude Work, ChatGPT, Grok u otro modelo de IA y actúa como orquestador o interfaz para ejecutar esos Agents de forma remota.

Desde donde estamos aquí en Tability, notamos que hay una enorme brecha entre esas definiciones de «Agents» y donde nos encontramos nosotros. No son lo mismo, y hoy queremos dejar clara esa distinción.

Qué significa «Agent» en el software

Hay dos confusiones distintas apiladas una sobre otra, y la mayoría de las explicaciones solo abordan una de ellas.

La primera está del lado de los proveedores. Muchas empresas de software han tomado una función de chat existente, la han apuntado hacia tus datos y la han rebautizado como «agent» o «jefe de gabinete de IA». Responde bien a las preguntas. Puede incluso redactar cosas por ti. Pero es una barra de búsqueda mejorada, no un compañero de trabajo. Solo existe cuando alguien abre la ventana de chat y le pregunta algo.

La segunda confusión va en el sentido contrario, y es la más incisiva. Si un agent es realmente solo razonamiento de IA aplicado a tus datos, ¿por qué no saltarse al intermediario y usar directamente Claude o ChatGPT? Es una pregunta legítima, y la mayoría de las herramientas que se llaman a sí mismas agents no tienen una buena respuesta. La prueba honesta es simple: ¿hace algo cuando nadie le está hablando? Si la respuesta es no, es un chatbot disfrazado. (Más sobre esta distinción en AI agent vs AI assistant.)

Lo que, según nosotros, hace que algo sea un Agent

Vale, mañana las cosas pueden (o van a) cambiar de nuevo. Nosotros también estamos intentando seguirle el ritmo. Pero, tal y como están las cosas hoy, vemos una distinción real entre:

Si quitas el marketing, en realidad solo quedan dos tipos de agents de IA que importan: los que esperan un prompt y los que no. Todo lo demás es una variación de esos dos.

Un agent de verdad supera tres pruebas:

1. Es dueño de un objetivo, no de una conversación. El trabajo real tiene una meta: un OKR, un key result, una cifra que necesita moverse. Una conversación no tiene un estado final, simplemente sigue hasta que alguien deja de escribir.
2. Trabaja según su propio calendario, sin que se lo pidan. Nadie tiene que abrir una ventana y preguntar. Ya está funcionando, comprobando, extrayendo datos, haciendo la siguiente tarea.
3. No desaparece cuando se cierra el chat. Informa mediante check-ins, actualizaciones y comentarios, algo que el resto del equipo puede realmente ver y a lo que puede reaccionar, sea o no la persona que lo configuró.

Si falla las tres pruebas, tienes un chatbot. Si las supera las tres, tienes algo que merece llamarse agent.

¿No puedes simplemente hacer esto en Claude o ChatGPT?

Pregunta legítima, y la respuesta honesta es: para una tarea puntual, claro que sí. Pídele a Claude o a ChatGPT que redacte algo, que resuma algo o que piense una decisión, y obtendrás una buena respuesta en esa sesión.

Donde se rompe el esquema es en cualquier cosa que tenga que seguir funcionando después de que cierres la pestaña. Claude y ChatGPT están hechos para que una persona trabaje en un problema dentro de una sesión. No mantienen un objetivo abierto durante toda una semana, no trabajan sin que se lo pidan, y nadie más del equipo puede ver o dirigir lo que están haciendo sin tu inicio de sesión. Eso no es una crítica a los modelos, simplemente no es el trabajo para el que están hechos.

Lo que un agent añade encima es la capa de coordinación que una sesión de chat normal no te da: un objetivo que permanece abierto a lo largo del tiempo, trabajo que sucede sin que se lo pidan, y check-ins que el resto del equipo puede ver, comentar y redirigir, sea o no la persona que lo configuró en primer lugar.

No somos los únicos que lo vemos así. Cuando publicamos sobre Agent Manager en LinkedIn, una respuesta resumió todo el problema mejor de lo que lo hicimos nosotros: es el mismo muro de visibilidad-sin-interrupción que los equipos resolvieron con herramientas de gestión de proyectos hace dos décadas, y como dijo el comentarista Kurt Wellington, «ahora simplemente estamos reconstruyendo esa lógica para los agents».

Los tres términos, una línea cada uno

Antes de profundizar en cada uno, aquí va la versión corta:

• Agent: un sistema de IA ligado a un objetivo real, que trabaja según su propio calendario y que informa mediante check-ins que el equipo puede ver, no un chatbot que espera un prompt.
• Agent Manager: un agent que toma un objetivo, lo divide en key results medibles y recluta los agents especialistas necesarios para ejecutarlos.
• Agency: el propio equipo reclutado — un Agent Manager más sus agents especialistas, construido en torno a un único objetivo.

Agent Manager: el puesto que nadie había puesto en el organigrama

En Tability, llamamos a este puesto un Agent Manager: un agent que existe para ser dueño de un objetivo que no puede alcanzar solo con más personal. Se recluta, ya sea por una persona o, cada vez más, se pone en marcha por sí solo, para tomar un objetivo de negocio real, descomponerlo en key results medibles y luego reclutar un equipo de agents especialistas para ejecutarlo de verdad: extraer datos, hacer análisis, redactar informes, señalar riesgos, lo que el objetivo requiera.

Eso es una forma genuinamente nueva en el organigrama. No es un manager de personas, y tampoco es un chatbot. Se parece más a un capataz: algo cuyo trabajo entero consiste en asegurarse de que un objetivo esté bien dotado de personal y de que el trabajo realmente se haga, y luego informar de cómo ha ido. Para ver más de cerca cómo se traduce esto en el día a día, mira qué hace un Agent Manager en Tability.

Agency: un equipo de agents, no una empresa que contratas

Aquí es donde el vocabulario se vuelve realmente confuso, así que vale la pena ser precisos. En Tability, lo llamamos Agency: un equipo reclutado de agents especialistas, construido en torno a un objetivo, dirigido por un Agent Manager. Muy parecido a una agencia especializada real, contratar una realmente se siente como incorporar a un pequeño equipo construido en torno a un único trabajo por hacer, salvo que cada miembro del equipo es un agent, no una persona a destajo.

Un objetivo, un Agent Manager, una Agency reclutada, que informa a todo el equipo.

Dónde encaja Tability

Aquí es también, con total transparencia, hacia donde se ha movido nuestro propio producto. En Tability, un agent está ligado a un OKR real, no a un hilo de chat. Funciona según su propio calendario, recluta agents especialistas en una Agency a medida que el objetivo crece, e informa mediante check-ins que todo el equipo puede ver, comentar o redirigir, igual que lo haría con un compañero de equipo humano. Es también en parte por lo que Tability ocupa el puesto n.º 1 en funciones de IA en el benchmark de software de OKR, por delante de WorkBoard y Profit.co.

Un cliente de Tability reclutó recientemente 20 agents en cuatro objetivos de crecimiento creando solo cuatro Agent Managers, dedicando su tiempo a revisar resultados y orientar la dirección, no a gestionar personal — el mismo patrón que aplicamos nosotros mismos; mira cómo funcionan en la práctica los equipos de agents que se autocontratan. Esa es la forma que está tomando el organigrama: menos contrataciones nuevas, más Agencies.

Si este patrón te resulta familiar, es normal. Es más o menos lo que pasó cuando StratOps apareció hace unos años: una función nueva que nadie había presupuestado, creada porque el antiguo organigrama no podía describir el trabajo que realmente había que hacer.

Empieza a desplegar tus Agencies hoy mismo

Si tu equipo ya está recibiendo preguntas sobre «agents de IA» y todavía nadie se ha puesto de acuerdo en qué significa la palabra, esa suele ser la primera señal de que necesitas una definición compartida antes que una herramienta.

‍Regístrate gratis y descubre cómo funciona en la práctica la propiedad de un agent dentro de un objetivo real, o reserva 30 minutos con nosotros y repasaremos cómo podría ser una Agency para tu equipo. Con Tability o sin él, vale la pena dejar claro el vocabulario antes de que acabe en la descripción del puesto de alguien.